检索结果-内蒙古大学图书馆

智能系统学报 2024年第6期19卷 1351-1365页

作者：吴国栋秦辉胡全兴王雪妮吴贞畅安徽农业大学信息与计算机学院安徽合肥230036

大语言模型因其强大的自然语言处理能力在人工智能领域产生了巨大影响,使得大语言模型个性化推荐成为当前推荐系统研究的新兴领域。本文在深入分析已有大语言模型及其个性化推荐相关研究基础上,探讨大语言模型推荐的过程,并从直接推荐... 详细信息

大语言模型因其强大的自然语言处理能力在人工智能领域产生了巨大影响,使得大语言模型个性化推荐成为当前推荐系统研究的新兴领域。本文在深入分析已有大语言模型及其个性化推荐相关研究基础上,探讨大语言模型推荐的过程,并从直接推荐、基于表示学习推荐、基于生成性学习推荐和提示学习推荐四方面详细分析了大语言模型推荐主要的研究进展。指出现有大语言模型推荐研究中存在的推荐偏差、提示脆弱性、有限上下文、高延迟、公平性和评估等问题,展望未来大语言模型推荐研究的主要方向,包括大语言模型推荐的安全性、面向领域的大语言模型推荐、跨模态大语言模型推荐、融合检索任务的大语言模型推荐以及大语言模型推荐的可解释性等。

关键词：大语言模型推荐深度学习监督微调对齐提示学习生成性多模态

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和SMC的农用履带机器人轨迹跟踪控制

引用

系统仿真学报 2023年第4期35卷 747-759页

作者：刘东阳查文文陶亮朱诚辜丽川焦俊安徽农业大学信息与计算机学院安徽合肥230036

轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于... 详细信息

轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于动力学模型建立滑模控制系统。设计基于深度学习方法的LSTM网络来对未知干扰项进行控制补偿,降低外部干扰的影响,通过结合LSTM网络和准滑动模态的优势,减弱震颤现象。并给出控制系统的稳定性分析。在不同轨迹上进行长短期记忆网络MATLAB/Simulink仿真实验,并与现有方法进行了比较,证明了其优越性。

关键词：长短期记忆网络滑模控制运动学模型动力学模型轨迹跟踪

来源：评论

学校读者我要写书评

暂无评论

知识图谱增强的图神经网络推荐研究进展

引用

计算机工程与应用 2023年第4期59卷 18-29页

作者：吴国栋王雪妮刘玉良安徽农业大学信息与计算机学院合肥230036

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱(knowledge graph,KG)增强的图神经网络(graph neural network,GNN)推荐,是以用户与项目交互行为构建的交互图为基础,引入... 详细信息

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱(knowledge graph,KG)增强的图神经网络(graph neural network,GNN)推荐,是以用户与项目交互行为构建的交互图为基础,引入同为图结构的知识图谱,并运用图神经网络技术进行处理,从而实现个性化推荐。深入探讨了现有知识图谱增强的图神经网络推荐研究进展。首先在对图神经网络推荐和知识图谱推荐进行探讨的基础上,从项目知识图谱和协同知识图谱视角,深入分析了当前知识图谱增强的图神经网络推荐取得的相关研究成果;然后从大规模动态知识图谱处理、用户对项目属性的偏好挖掘、知识图谱的图嵌入学习等方面,指出了已有知识图谱增强的图神经网络推荐研究存在的主要问题;最后从动态时序知识图谱增强的GNN推荐、元学习的知识图谱增强GNN推荐、多模态知识图谱增强的GNN推荐、知识图谱增强的GNN跨领域推荐等方面,展望了知识图谱增强的图神经网络推荐未来主要研究方向。

关键词：知识图谱图神经网络推荐系统项目知识图谱协同知识图谱

来源：评论

学校读者我要写书评

暂无评论

基于近红外高光谱的梨叶片炭疽病与黑斑病识别

引用

农业机械学报 2022年第2期53卷 221-230页

作者：刘莉陶红燕方静郑文娟王良龙金秀安徽农业大学园艺学院合肥230036 安徽农业大学信息与计算机学院合肥230036

针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性。首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑... 详细信息

针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性。首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑斑病叶片的高光谱图像,提取图像的平均光谱反射率。采用多元散射校正法(Multiplicative scatter correction,MSC)、SavitzkyGolay卷积平滑法和标准正态变换法(Standard normal variate,SNV)分别对原始光谱数据进行预处理。然后,采用主成分分析算法(Principal component analysis,PCA)、连续投影算法(Successive projections algorithm,SPA)、无信息变量消除法(Uniformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、随机蛙跳算法(Shuffled frog leaping algorithm,SFLA)提取特征波长,分别获取了27、12、15、26、20条特征波长,并将其作为后期建模的输入变量。经对比发现,在各基于特征波长建立的支持向量机(SVM)分类识别模型以及BP神经网络分类识别模型中,SPASVM识别模型效果最佳,测试集准确率为93.25%,建模集准确率为94.80%。试验结果证明,利用高光谱技术能够有效识别砀山酥梨叶片的黑斑病与炭疽病。

关键词：砀山酥梨炭疽病黑斑病高光谱特征波长识别模型

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算与改进YOLOv5的群养生猪姿态识别及跟踪研究

引用

东北农业大学学报 2023年第3期54卷 83-96页

作者：查文文潘伟豪陈成鹏陈威辜丽川焦俊安徽农业大学信息与计算机学院合肥230036

针对现有生猪检测跟踪算法参数量多、网络相对复杂、计算量大,不利于部署在嵌入式边缘节点的问题,文章提出一种改进YOLOv5s识别算法,结合DeepSort算法,适用于嵌入式边缘计算部署的群养生猪多目标识别跟踪算法。该算法在YOLOv5s主干网络... 详细信息

针对现有生猪检测跟踪算法参数量多、网络相对复杂、计算量大,不利于部署在嵌入式边缘节点的问题,文章提出一种改进YOLOv5s识别算法,结合DeepSort算法,适用于嵌入式边缘计算部署的群养生猪多目标识别跟踪算法。该算法在YOLOv5s主干网络中引入空洞卷积替代普通卷积,降低网络中参数量与计算量;添加CA协调注意力机制使模型锁定重点关注候选区域,提升模型精确度;对YOLOv5s算法主干网络中BN层进行不同比例剪枝操作,减少模型计算量,最后得到最优识别模型。将优化后识别模型结合DeepSort组成Tracking By Detecting算法并移植到Jetson AGX Xavier边缘计算节点中进行试验测试。结果表明,改进的YOLOv5s相较于YOLOv5s模型减少65.3%,模型识别精确度达到96.6%,跟踪消耗时间46 ms左右,跟踪帧率约21.7帧·s^(-1)。研究改进识别跟踪算法可满足在嵌入式边缘计算节点中稳定实时运行,加速推进深度学习算法在畜牧养殖业中的实际应用,为后期生猪预警疾病及其应对措施奠定基础。

关键词：目标检测行为识别多目标跟踪边缘计算

来源：评论

学校读者我要写书评

暂无评论

基于稀疏分量分析的生猪音频欠定盲源分离研究

引用

畜牧兽医学报 2023年第7期54卷 2794-2809页

作者：彭硕陶亮查文文陈成鹏辜丽川朱诚焦俊安徽农业大学信息与计算机学院合肥230036

旨在针对生猪养殖过程中,混合生猪音频特征难以提取及识别的问题,提出一种基于稀疏化理论的欠定生猪盲源信号分离方法。本研究选取4个月、150 kg左右,健康状况良好的长白母猪,将其不同状态下的叫声按照不同系数混合得到的音频信号作为... 详细信息

旨在针对生猪养殖过程中,混合生猪音频特征难以提取及识别的问题,提出一种基于稀疏化理论的欠定生猪盲源信号分离方法。本研究选取4个月、150 kg左右,健康状况良好的长白母猪,将其不同状态下的叫声按照不同系数混合得到的音频信号作为观测信号,运用短时傅里叶变换(short-time Fourier transform,STFT)对音频信号做时频域转换,通过分组筛选出信号中的单源点,使用自适应阻尼系数的AP(affinity propagation)算法结合奇异值分解,将单源点聚类以估计混合矩阵,采用优化最小lp范数的方法完成音频信号的重构。设计2组试验,1组阐述试验的一般过程,另1组通过对比分析整个分离算法的性能,使用相似系数(similarity coefficient)、信噪比(signal to noise ratio,SNR)和均方误差(mean square error,MSE)衡量分离音频质量。结果表明:1)3个源信号与2个观测信号的欠定生猪盲源分离中,不同时长下分离出的音频信号与对应源信号的相似系数、信噪比和均方误差分别在0.67~0.92、7.9~9.7 dB和0.005~0.08之间,从波形上看,算法的分离性能与时间长短和试验次数无关,结果具有一定的稳定性。2)在源信号数与观测信号数分别为3和2、4和2、4和3、5和2、5和3、5和4时,重构信号与源信号的平均相似系数、信噪比和均方误差分别在0.785~0.957、7.468~10.347 dB和0.019~0.092之间,经过对比分析,本研究方法具有一定的可靠性。3)在源信号数一定时,观测信号数越多,测得的指标越好,分离出来的音频质量越优。综上所述,该方法能够较为有效地分离出混合猪声信号的各源信号分量,为实际环境中混合生猪音频的特征提取奠定了基础。

关键词：生猪音频信号稀疏化 AP聚类 lp范数盲源分离

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合的轻量型野外蝙蝠检测

引用

图学学报 2025年第1期46卷 70-80页

作者：王杨马唱胡明孙涛饶元袁振羽安徽师范大学计算机与信息学院安徽芜湖241002 哈尔滨工业大学机电工程学院黑龙江哈尔滨150001 安徽农业大学信息与计算机学院安徽合肥230036

野外蝙蝠检测对于生态保护和科学研究具有重要意义。针对计算资源有限和复杂野外环境带来的挑战,提出了一种轻量型蝙蝠检测模型(LiteDETR-Bat),旨在实现高效的实时检测。首先为了解决特征映射冗余问题,引入重参数卷积高效层聚合网络(RCE... 详细信息

野外蝙蝠检测对于生态保护和科学研究具有重要意义。针对计算资源有限和复杂野外环境带来的挑战,提出了一种轻量型蝙蝠检测模型(LiteDETR-Bat),旨在实现高效的实时检测。首先为了解决特征映射冗余问题,引入重参数卷积高效层聚合网络(RCELAN)替换传统的ResNet主干网络,采用多分支特征聚合机制,有效降低了计算复杂度和参数量。其次设计了动态采样多尺度特征融合(DS-MFF),该结构集成空洞卷积和动态采样算子,通过扩大感受野并自适应调整采样位置,优化多尺度特征融合,提升多样化特征处理时模型的灵活性和鲁棒性。最后在安徽省野外环境下采集了一个涵盖多种光照条件、视角变化及蝙蝠形态变化的蝙蝠数据集,并进行了模型性能等相关实验。实验结果表明,该LiteDETR-Bat模型不仅能够使参数量降低了46.5%,mAP达到97.2%,同时在准确性和实时性上相比于YOLO系列算法均取得了一定地提升。LiteDETR-Bat模型为野外蝙蝠的监测与保护工作提供了有力的技术支持,展现了其在生态监测和生物多样性保护中的应用潜力。

关键词：野外蝙蝠 RT-DETR 多尺度特征轻量级目标检测

来源：评论

学校读者我要写书评

暂无评论

基于宽度卷积神经网络的异常农情数据检测方法

引用

华南农业大学学报 2022年第2期43卷 113-121页

作者：彭旭饶元乔焰安徽农业大学信息与计算机学院安徽合肥230036 合肥工业大学计算机与信息学院安徽合肥230001

【目的】为准确有效地检测农业物联网的感知数据异常,提出了基于宽度卷积神经网络的异常农情数据检测方法,为实现农业物联网数据高质量感知提供参考。【方法】首先将标准化后的农情数据编码为极坐标表示,通过滑动窗口机制划分子集,接着... 详细信息

【目的】为准确有效地检测农业物联网的感知数据异常,提出了基于宽度卷积神经网络的异常农情数据检测方法,为实现农业物联网数据高质量感知提供参考。【方法】首先将标准化后的农情数据编码为极坐标表示,通过滑动窗口机制划分子集,接着将每个子集数据重构为矩阵,最后设计并训练宽度卷积神经网络模型用于异常检测,采用养殖场环境监测数据进行试验。【结果】构建的滑动窗口机制可提升异常数据检测能力,缩短检测时间。所设计的宽度卷积神经网络对空气温湿度、土壤温湿度等数据中所存在的异常检测准确率均超过97.5%,优于SVM、RF和CNN模型1.69%、2.76%和3.05%;F1值均在0.985以上,优于SVM、RF和CNN模型0.0093、0.0149和0.0163;且在处理波动性较大的空气、土壤温湿度数据时性能优势更为明显,准确率和F1值分别提高了3.61%~5.98%和0.0188~0.0310。此外,该方法模型检测耗时较短,仅为传统CNN模型的1/6~1/7,并且比SVM和RF模型使用更少的超参数。【结论】所建立的数据编码、子集划分和重构方法与宽度卷积神经网络模型对异常农情数据有较好的检测效果。

关键词：农业物联网传感器宽度卷积神经网络异常检测

来源：评论

学校读者我要写书评

暂无评论

知识图谱补全技术研究综述

引用

小型微型计算机系统 2023年第3期44卷 471-482页

作者：吴国栋刘涵伟何章伟李景霞王雪妮安徽农业大学信息与计算机学院合肥230036

作为一种新兴的数据结构,知识图谱被广泛用于搜索引擎、推荐系统、对话系统等诸多领域中.知识图谱补全(knowledge graph completion)是通过不同的方法,对图谱中的三元组残缺项进行补充.本文以模型构造方法为视角,从Trans结构、神经网络... 详细信息

作为一种新兴的数据结构,知识图谱被广泛用于搜索引擎、推荐系统、对话系统等诸多领域中.知识图谱补全(knowledge graph completion)是通过不同的方法,对图谱中的三元组残缺项进行补充.本文以模型构造方法为视角,从Trans结构、神经网络和张量分解三类方法对已有知识图谱补全的相关技术研究进行深入探讨,分析了不同补全技术的优缺点.指出了Trans结构模型和张量分解模型适用于大规模的知识图谱补全,而神经网络模型适用于关系结构复杂的知识图谱补全;现有知识图谱补全技术存在关系复杂性高、语义信息难以获取、训练代价大、模型扩展性差等不足.从知识图谱中复杂关系处理、上下文语义获取、节点间长期依赖关系捕获、模型融合与可扩展性等方面来展望了知识图谱补全技术未来主要研究方向.

关键词：知识图谱补全 Trans结构神经网络张量分解

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的猪脸识别检测方法

引用

西南农业学报 2023年第6期36卷 1346-1356页

作者：李广博查文文陈成鹏时国龙辜丽川焦俊安徽农业大学信息与计算机学院合肥230036

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力... 详细信息

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力;最后,引入BiFPN特征融合,有效利用特征提高模型的检测能力。试验采用的猪脸数据集共分为5类,数据增强后样本为12756张,训练集和测试集划分比例为9∶1。[结果]改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2%、3.0%、2.2%,同时,改进后的算法在单只、多只、小目标、密集、有遮挡的场景下,泛化能力较强、识别精准度高。[结论]利用深度学习算法,可以获取生猪面部信息并准确识别,减少漏检、错检情况,为生猪智能化管理提供较好的技术支持。

关键词：猪脸识别 YOLOv5 K-Means 坐标注意力机制 BiFPN

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：